AI Benchy Bestenliste

Name: AI BENCHY Modell-Benchmark-Ergebnisse
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-09-04 Bewertete Modelle: 316

Empfohlene Modelle

GPT-5.6 Sol high Intelligent Erfolgsquote pro Versuch 89.4% Korrekte Tests 18 / 22 Punktzahl 9.4/10 GPT-5.6 Luna medium Schnell Antwortzeit (Durchschnitt) 7.43s Gesamte Ausgabe-Token 44,525 Punktzahl 7.4/10 DeepSeek V4 Flash 0731 high Preiswert Eingabepreis $0.065 / 1M Ausgabepreis $0.180 / 1M Punktzahl 8.0/10

316/316

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#89#89	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.042 ↓	51.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 4 Eingabe-Token 108,480 Ausgabe-Token 37,229 Denk-Token 174,081 Antwortzeit (Durchschnitt) 51.81s Antwortzeit (Gesamt) 1139.75s Antwortzeit (Maximum) 218.13s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#90#90	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 4 Eingabe-Token 35,593 Ausgabe-Token 12,245 Denk-Token 62,277 Antwortzeit (Durchschnitt) 23.00s Antwortzeit (Gesamt) 482.97s Antwortzeit (Maximum) 194.23s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#91#91	GPT-5.6 Lunahigh	7.6	OpenAI	$0.179 ↓	16.49s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 4 Eingabe-Token 80,927 Ausgabe-Token 5,088 Denk-Token 130,227 Antwortzeit (Durchschnitt) 16.49s Antwortzeit (Gesamt) 362.78s Antwortzeit (Maximum) 111.09s Falsche Antwort: 8 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#92#92	Solar Pro 4xhigh	7.6	Upstage	$0.050	134.85s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 2 Eingabe-Token 98,116 Ausgabe-Token 21,720 Denk-Token 367,730 Antwortzeit (Durchschnitt) 134.85s Antwortzeit (Gesamt) 2966.79s Antwortzeit (Maximum) 491.42s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 8.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#94#94	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.6% Instabile Tests 1 Eingabe-Token 185,547 Ausgabe-Token 24,866 Denk-Token 0 Antwortzeit (Durchschnitt) 7.65s Antwortzeit (Gesamt) 168.35s Antwortzeit (Maximum) 47.72s Falsche Antwort: 6 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 5.5 Programmierung : 5.9 Kombiniert : 8.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#95#95	GPT-5.4 Nanomedium	7.5	OpenAI	$0.142	13.32s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 4 Eingabe-Token 82,828 Ausgabe-Token 7,100 Denk-Token 92,781 Antwortzeit (Durchschnitt) 13.32s Antwortzeit (Gesamt) 292.97s Antwortzeit (Maximum) 94.06s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 6.1 Kombiniert : 9.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#96#96	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.2% Instabile Tests 6 Eingabe-Token 80,304 Ausgabe-Token 4,714 Denk-Token 16,872 Antwortzeit (Durchschnitt) 5.45s Antwortzeit (Gesamt) 119.83s Antwortzeit (Maximum) 19.85s Falsche Antwort: 8 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 6.6 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#98#98	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 4 Eingabe-Token 78,846 Ausgabe-Token 28,179 Denk-Token 0 Antwortzeit (Durchschnitt) 6.56s Antwortzeit (Gesamt) 137.77s Antwortzeit (Maximum) 18.33s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Anti-KI-Tricks : 6.7 Programmierung : 5.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#99#99	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.7% Instabile Tests 5 Eingabe-Token 113,569 Ausgabe-Token 9,823 Denk-Token 264,886 Antwortzeit (Durchschnitt) 91.76s Antwortzeit (Gesamt) 1376.42s Antwortzeit (Maximum) 304.85s Falsche Antwort: 4 Zeitüberschreitung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.6 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#100#100	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 6 Eingabe-Token 111,644 Ausgabe-Token 16,113 Denk-Token 598,796 Antwortzeit (Durchschnitt) 113.28s Antwortzeit (Gesamt) 2492.26s Antwortzeit (Maximum) 1026.43s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 6.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#101#101	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 1 Eingabe-Token 112,713 Ausgabe-Token 5,436 Denk-Token 121,598 Antwortzeit (Durchschnitt) 3.58s Antwortzeit (Gesamt) 78.66s Antwortzeit (Maximum) 17.84s Falsche Antwort: 4 API-Fehler: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#102#102	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 5 Eingabe-Token 97,164 Ausgabe-Token 6,211 Denk-Token 152,133 Antwortzeit (Durchschnitt) 26.72s Antwortzeit (Gesamt) 587.90s Antwortzeit (Maximum) 138.75s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.6 Programmierung : 8.4 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#103#103	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 1 Eingabe-Token 106,946 Ausgabe-Token 7,993 Denk-Token 503,413 Antwortzeit (Durchschnitt) 54.50s Antwortzeit (Gesamt) 1199.07s Antwortzeit (Maximum) 252.69s Falsche Antwort: 6 Zusätzliche Formatierung: 3 Anti-KI-Tricks : 8.3 Programmierung : 5.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#104#104	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.8% Instabile Tests 4 Eingabe-Token 111,773 Ausgabe-Token 8,035 Denk-Token 33,289 Antwortzeit (Durchschnitt) 4.83s Antwortzeit (Gesamt) 106.18s Antwortzeit (Maximum) 35.14s Falsche Antwort: 5 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#105#105	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 0 Eingabe-Token 117,493 Ausgabe-Token 10,589 Denk-Token 47,189 Antwortzeit (Durchschnitt) 4.59s Antwortzeit (Gesamt) 101.04s Antwortzeit (Maximum) 18.34s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 7.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#107#107	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 72,085 Ausgabe-Token 57,453 Denk-Token 182,093 Antwortzeit (Durchschnitt) 80.09s Antwortzeit (Gesamt) 1681.85s Antwortzeit (Maximum) 365.80s Falsche Antwort: 6 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.3 Programmierung : 7.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#108#108	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 2 Eingabe-Token 89,685 Ausgabe-Token 5,701 Denk-Token 38,824 Antwortzeit (Durchschnitt) 7.43s Antwortzeit (Gesamt) 163.54s Antwortzeit (Maximum) 29.85s Falsche Antwort: 9 Anti-KI-Tricks : 8.3 Programmierung : 5.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#109#109	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 2 Eingabe-Token 97,324 Ausgabe-Token 44,383 Denk-Token 346,490 Antwortzeit (Durchschnitt) 143.55s Antwortzeit (Gesamt) 3158.11s Antwortzeit (Maximum) 939.52s Falsche Antwort: 7 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#111#111	Grok 4.6low	7.4	X AI	$0.449	14.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 1 Eingabe-Token 109,960 Ausgabe-Token 5,124 Denk-Token 32,924 Antwortzeit (Durchschnitt) 14.55s Antwortzeit (Gesamt) 320.17s Antwortzeit (Maximum) 26.46s Falsche Antwort: 7 Anti-KI-Tricks : 10.0 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#112#112	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 2 Eingabe-Token 123,687 Ausgabe-Token 9,572 Denk-Token 31,204 Antwortzeit (Durchschnitt) 6.51s Antwortzeit (Gesamt) 143.12s Antwortzeit (Maximum) 17.13s Falsche Antwort: 6 Anti-KI-Tricks : 10.0 Programmierung : 5.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#113#113	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.6% Instabile Tests 1 Eingabe-Token 123,273 Ausgabe-Token 19,362 Denk-Token 0 Antwortzeit (Durchschnitt) 7.67s Antwortzeit (Gesamt) 122.78s Antwortzeit (Maximum) 51.18s Falsche Antwort: 5 Zusätzliche Formatierung: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#114#114	GLM 5.3high	7.3	Z.ai	$0.403	27.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.2% Instabile Tests 7 Eingabe-Token 87,601 Ausgabe-Token 6,006 Denk-Token 57,661 Antwortzeit (Durchschnitt) 27.82s Antwortzeit (Gesamt) 612.06s Antwortzeit (Maximum) 159.91s Falsche Antwort: 6 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#115#115	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 8 Eingabe-Token 87,682 Ausgabe-Token 7,166 Denk-Token 106,027 Antwortzeit (Durchschnitt) 20.20s Antwortzeit (Gesamt) 444.35s Antwortzeit (Maximum) 209.15s Falsche Antwort: 10 API-Fehler: 1 Anti-KI-Tricks : 6.9 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#116#116	GLM 5.3 Flashhigh	7.3	Z.ai	$0.029	25.36s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 3 Eingabe-Token 113,003 Ausgabe-Token 11,558 Denk-Token 66,760 Antwortzeit (Durchschnitt) 25.36s Antwortzeit (Gesamt) 558.01s Antwortzeit (Maximum) 163.41s Falsche Antwort: 4 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 8.2 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#117#117	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 2 Eingabe-Token 104,925 Ausgabe-Token 9,168 Denk-Token 53,188 Antwortzeit (Durchschnitt) 4.38s Antwortzeit (Gesamt) 96.32s Antwortzeit (Maximum) 26.22s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 7.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

Globale Benchmark-Trends

Sieh, wie aktuelle Modelle Score, Kosten, Geschwindigkeit, Ausgabelänge und Kategoriestärke ausbalancieren.

Diagramme →

Pareto-Frontier: Intelligenz vs. Kosten

Score-Frontier führender Unternehmen im Zeitverlauf

Pareto-Frontier: Intelligenz vs. Antwortgeschwindigkeit

Pareto-Frontier: Score vs. Ausgabe-Tokens

Kategorieschwierigkeit über alle Modelle

Schnellvergleich

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium